今天来写一个自动计算微博抽奖男女比例的代码，很早就应该发这篇了，只是不想蹭热点（才不是拖更）。

整个的过程大概分为三步：

S1：从抽奖公示页获取所有中奖者的微博ID

S2：由每个中奖者的微博ID进入其相应主页，获得需要的个人信息（性别、粉丝数、微博数等）

S3：对收集到的信息进行相应的汇总分析

接下来一步一步地进行就好了，没什么难点和需要注意的地方，权当做是一次很小的练手。

首先每次微博抽奖都会有一个公示链接。形如：http://event.weibo.com/yae/event/lottery/result?pageid=100140E1204222&id=3538105&f=weibo

其中pageid和id两个变量就可以定位一次抽奖。

中奖名单每页公示3个，当你点下一页的时候会以AJAX方式请求数据。

因此我们只需要请求第一页以后，获取获奖的总人数，然后循环分别获取其余AJAX请求。

image

将每个获奖人的ID放在一个列表里，每次append即可。

在这边有一点就是，我们必须要在登陆状态下访问才可以看到获奖情况，否则会跳转登录页。解决办法是带cookie访问。无脑加headers和cookies不会有问题。

def lottery(page, pageid, lid):
    cookies = {# your cookies }
    headers = {# copy the headers }
    params = (
        ('pageid', pageid),  # 100140E1198435
        ('id', lid),  # 3436763
        ('page', page),  # 2
        ('prizeLevel', '1'), 
       ('_t', '0'), 
       ('__rnd', int(time.time() * 1000)),  # 1542650067843
    )
    response = requests.get('https://event.weibo.com/yae/aj/event/lottery/result', headers=headers, params=params, cookies=cookies)
    return response.text

我们可以看到AJAX返回的内容是一个JSON，但是这个JSON内的数据却又没有那么的友好，并不是我们常见的直接给出了每个用户的数据字典，而是给了我们一个HTML标签包裹的代码块。也就是说需要进一步的解析，不过好在并不复杂，这里我选择自己比较熟悉的BS来做，别的解析方法也都可以。

image

运行代码，我们便可以得到所有中奖用户ID组成的一个列表了。

def result(pageid, lid):
    userid = []
    jsonObj = json.loads(lottery('1', pageid, lid))
    html = jsonObj['data']['html']
    # print(html)
    bsObj = BeautifulSoup(html, 'lxml')
    # <span class='lottery_published_gray'>113</span>
    spans = bsObj.find_all('span', {'class': 'lottery_published_gray'})
    count = spans[-1].text
    n = int(count) // 3 + 1
    if n == 1:
        dt = bsObj.find_all('dt')
        for each in dt:
            userid.append(each.find('a')['href'].split('/')[3])
        print(userid)
    else:
        for i in range(1, n + 1):
            jsonObj = json.loads(lottery(i, pageid, lid))
            html = jsonObj['data']['html']
            bsObj = BeautifulSoup(html, 'lxml')
            dt = bsObj.find_all('dt')
            for each in dt:
                userid.append(each.find('a')['href'].split('/')[3])
            print(userid)
    return userid

获取性别要进入到每个用户的个人信息页面。在这里我们选择请求手机版页面，没有太多杂乱的页面结构和广告，反爬也相对宽松。

image

还是跟刚才差不多，带cookies请求页面就好了。这边的结构很规范，用XPATH也可以，当然如果我们只取性别的话，正则也是够用的。其余的信息像是姓名、地区、生日、标签、简介等等，大家可以相应地自己实现。

def userInfo(uid):
    cookies = {# your cookies}
    headers = {# copy the headers}
    response = requests.get('https://weibo.cn/' + uid + '/info', headers=headers, cookies=cookies)
    h = response.text
    # print(h)
    pattern = re.compile(r'性别:(.)')
    sex = pattern.search(h).group(1)
    return sex

如此循环得到了所有用户的性别后，我们只需要统计列表中的男女比例就可以了。

大概在300次左右会出现请求失败。所以如果中间人数特别多的话，还是设置一下延时。

最后就是简单的数据分析。因为一来数据总量不大，二来我们不打算进行太深入的数据分析，在不考虑存储的情况下，我们直接使用了列表来存结果。如果要进一步分析，最好还是用字典（JSON）、CSV等方式进行持久化操作。既然是列表存储的话，我们可以直接用列表的count方法来计算出男女比例。大家也可以结合可视化方法来更直观地展示结果。

print(usersex.count('女'))
print(usersex.count('男'))

最终可以看一下两次抽奖的结果：

usersex1 = ['女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女',       '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '男', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女',       '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女',       '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女',       '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女',       '女', '女', '女']
usersex2 = ['男', '女', '女', '男', '女', '男', '女', '女', '女', '男', '女', '女', '女', '女', '女', '女', '女', '男', '女', '男', '女', '男',           '男', '女', '男', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '男', '女', '男', '男', '男', '女',           '女', '男', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '女', '男', '女', '女', '男', '女', '女', '女', '女', '女',           '女']

第一次抽奖113人中，有112人为女；第二次抽奖67人中，有51人为女。